Che cos’è l’ADAS?
3 cose da sapere
3 cose da sapere
I sistemi avanzati di assistenza alla guida (ADAS) sono i componenti hardware e software che automatizzano le responsabilità del conducente. Esempi di ADAS nei veicoli attuali includono il cruise control adattivo, il rilevamento dell'angolo cieco, il rilevamento del cambio di corsia, il mantenimento automatico della corsia e la frenata automatica di emergenza.
Gli ADAS possono rendere le strade più sicure minimizzando l'errore umano. Alcuni sistemi ADAS rendono la guida più sicura avvisando i conducenti di scenari stradali non sicuri, come la presenza di un'auto nell'angolo cieco del conducente che renderebbe pericoloso il cambio di corsia. Altri sistemi ADAS automatizzano i comportamenti di guida, come la prevenzione delle collisioni con la frenata di emergenza autonoma.
Secondo uno studio di Boston Consulting Group, l’ADAS previene infatti il 28% di tutti gli incidenti e 9.900 morti all’anno negli Stati Uniti.
La Society of Automotive Engineers prevede 5 livelli di automazione della guida. La maggior parte delle auto attualmente in circolazione hanno caratteristiche ADAS tra il livello 0 e 3. Le aziende all'avanguardia nella guida automatizzata raggiungono i livelli 4 e 5.
Livelli SAE J3016 di automazione della guida
I veicoli completamente autonomi possono diventare una realtà man mano che le questioni politiche, di sicurezza e cybersicurezza vengono affrontate.
Per capire come sono progettate le funzioni ADAS, usiamo il cruise control adattivo come esempio. Quando si utilizza questa funzione ADAS, l'auto rallenta quando si avvicina a un veicolo che precede e accelera alla velocità di crociera se tale veicolo si allontana a una distanza di sicurezza.
Il primo passo nella progettazione del cruise control adattivo (ACC) è raccogliere i dati dai sensori montati sull'auto. Per il cruise control adattivo servono una fotocamera e un sensore radar. La fotocamera rileva gli altri oggetti nell'inquadratura (veicolo, pedone, albero, ecc.) e il radar calcola la distanza tra la nostra auto l'oggetto.
Dopo aver raccolto i dati dai nostri sensori, ci concentriamo sullo sviluppo di algoritmi ADAS. Il cruise control adattivo può essere suddiviso in tre fasi:
Le fasi 1, 2 e 3 sono le seguenti:
Abbiamo usato l'ACC come esempio di ADAS, ma la metodologia generale di scegliere i sensori adatti e progettare algoritmi basati sui dati dei sensori si applica a tutte le funzioni ADAS.
I tre tipi di sensori più popolari utilizzati per le funzioni ADAS sono la fotocamera, il radar e il LIDAR.
Le fotocamere sono utilizzate per attività ADAS legate al rilevamento. Le fotocamere sul lato di un veicolo rilevano gli angoli ciechi. Le fotocamere nella parte anteriore rilevano corsie, veicoli, segnali, pedoni e ciclisti. Gli algoritmi di rilevamento ADAS associati sono generalmente costruiti utilizzando algoritmi convenzionali di visione artificiale e Deep Learning. Le fotocamere hanno diversi vantaggi:
Lo svantaggio dei dati delle fotocamere è che sono meno adatti a rilevare la distanza da un oggetto rispetto ai dati di altri tipi di sensori. Per questo motivo, gli sviluppatori di ADAS spesso usano le fotocamere insieme al radar.
I sensori radar emettono onde ad alta frequenza e registrano quando queste rimbalzano indietro da oggetti presenti nell'ambiente. Questi dati possono essere utilizzati per calcolare la distanza di un oggetto. Negli ADAS, i sensori radar sono di solito sulla parte anteriore del veicolo.
Il radar funziona in diverse condizioni atmosferiche, il che lo rende una scelta pratica di sensori per le funzioni ADAS come la frenata automatica di emergenza e il cruise control adattivo.
Anche se i dati dei sensori radar sono adatti agli algoritmi di rilevamento della distanza, questi dati sono meno utili negli algoritmi di classificazione degli oggetti rilevati. Per questo motivo, gli sviluppatori di ADAS usano spesso il radar insieme alle fotocamere.
I sensori LIDAR (Light Detection And Ranging) emettono un laser nell'ambiente e registrano quando il segnale torna indietro. I segnali restituiti vengono ricostruiti per creare una nuvola di punti 3D che mostra l'ambiente circostante al LIDAR. I dati LIDAR possono essere utilizzati per calcolare la distanza del sensore dagli oggetti nella nuvola di punti 3D.
Ci sono due tipi di sensori LIDAR utilizzati per le applicazioni ADAS:
È possibile utilizzare i dati LIDAR per eseguire entrambe le funzioni di rilevamento della distanza e di classificazione degli oggetti in ADAS. Tuttavia, l'elaborazione dei dati LIDAR richiede una maggiore potenza di calcolo rispetto ai dati di fotocamere e radar e pone alcuni problemi di difficile risoluzione per gli sviluppatori di algoritmi ADAS.
I test sull'hardware sono costosi quindi gli ingegneri testano prima le loro soluzioni ADAS tramite simulazione virtuale. Gli ambienti di simulazione possono essere 2D o 3D.
È possibile utilizzare la simulazione 2D per sviluppare e testare algoritmi ADAS per fotocamere e radar. Si inizia creando scene virtuali con strade, pedoni, ciclisti e altri veicoli. Quindi si mette il nostro veicolo nella scena e si montano su di esso fotocamere e sensori radar virtuali. Possiamo quindi programmare il movimento dell'auto in modo da generare dati sintetici dei sensori per lo sviluppo e il test di algoritmi ADAS.
La simulazione 3D si basa sulla simulazione 2D e consente di testare il LIDAR oltre alle fotocamere e al radar. Gli ambienti 3D richiedono più potenza di calcolo a causa della loro relativa complessità.
Una volta sviluppati gli algoritmi ADAS in ambienti di simulazione, la fase di sviluppo successiva è il test Hardware-In-the-Loop (HIL) che consiste nel testare gli algoritmi ADAS con l'hardware reale di auto, come un vero sistema di frenata, collegandole a un ambiente di simulazione. Il test HIL illustra bene il funzionamento di un componente ADAS di un'auto nel mondo reale.
Ci sono altri test ADAS come il Driver-in-the-Loop, ma tutti rimandano a test su veicolo per capire come il veicolo si comporterà quando tutte le parti vengono assemblate. Questo è il test ADAS più costoso ma anche il più accurato ed è obbligatorio prima di passare un veicolo alla produzione.
MATLAB® e Simulink® supportano lo sviluppo ADAS per ogni fase del workflow:
MATLAB consente di accedere, visualizzare ed etichettare i dati di guida dal vivo e registrati per lo sviluppo ADAS. MATLAB supporta anche i dati delle mappe geografiche tramite HERE HD Live Maps, OpenStreetMap e Zenrin Japan Maps. Questi dati sono spesso utilizzati per lo sviluppo e la verifica di algoritmi ADAS.
L’app Ground Truth Labeler per etichettare interattivamente i dati di verità di base (ground truth) in un video, una sequenza di immagini o una nuvola di punti LIDAR.
MATLAB consente di sviluppare e testare algoritmi ADAS in scenari virtuali utilizzando l'ambiente di simulazione con cuboidi per i controlli, la fusione di sensori e la pianificazione del movimento, così come l'ambiente Unreal Engine per la percezione. È anche possibile progettare scene 3D realistiche con RoadRunner.
MATLAB contiene molte applicazioni di riferimento per la guida automatizzata, che possono servire come punti di partenza per progettare i propri algoritmi di pianificazione e controllo ADAS.
MATLAB fornisce strumenti per sviluppare algoritmi di percezione da dati di fotocamera, radar e LIDAR. È possibile sviluppare algoritmi usando la visione artificiale, il Deep Learning, l'elaborazione di radar e LIDAR e la fusione di sensori.
Toolbox come MATLAB Coder™, Embedded Coder® e GPU Coder™ consentono di generare automaticamente il codice per distribuire i vostri algoritmi ADAS su dispositivi embedded e architetture orientate ai servizi come ROS e AUTOSAR.
È possibile integrare e testare i sistemi di percezione, pianificazione e controllo con gli strumenti Simulink. Con Requirements Toolbox™ è possibile acquisire e gestire i requisiti ADAS. Simulink Test™ consente inoltre di eseguire e automatizzare i casi di test in parallelo.
Amplia le tue conoscenze consultando la documentazione, gli esempi, guardando video e molto altro ancora.
Scopri argomenti simili comunemente utilizzati con i prodotti MATLAB e Simulink.
30 giorni di prova gratuita
Inizia oraSeleziona un sito web
Seleziona un sito web per visualizzare contenuto tradotto dove disponibile e vedere eventi e offerte locali. In base alla tua area geografica, ti consigliamo di selezionare: United States.
Puoi anche selezionare un sito web dal seguente elenco:
Come ottenere le migliori prestazioni del sito
Per ottenere le migliori prestazioni del sito, seleziona il sito cinese (in cinese o in inglese). I siti MathWorks per gli altri paesi non sono ottimizzati per essere visitati dalla tua area geografica.
Americhe
Europa
L’app Ground Truth Labeler per etichettare interattivamente i dati di verità di base (ground truth) in un video, una sequenza di immagini o una nuvola di punti LIDAR.
L’app Driving Scenario Designer per progettare scenari, configurare sensori e generare dati sintetici per applicazioni ADAS.
Visualizzazione della valutazione delle traiettorie possibili in una situazione di guida in autostrada nel grafico dall’alto.
Rilevamento di un segnale di stop utilizzando una R-CNN pre-addestrata con MATLAB.
NVIDIA Jetson TX2. È possibile generare codice CUDA con GPU Coder.
Test dei requisiti per l'applicazione di riferimento per il mantenimento della corsia in autostrada.